Redigerer Kunstig nevralt nettverk (avsnitt)

===Aktiveringsfunksjon===
I nevrale nettverk beskriver aktiveringsfunksjonen outputoppførselen til et nevron. De fleste nevrale nettverk starter med å beregne den vektede summen av alle inngangene. Denne verdien (''total net input'') blir deretter vanligvis transformert ved hjelp av overføringsfunksjonen (''aktiveringsfunksjon'', ''squashing function''). En av de enkleste overføringsfunksjonene sier kun at hvis total net input er mindre enn 0, er output fra nevron 0, ellers output 1.<ref>{{Cite web|url=http://www.cse.unsw.edu.au/~billw/mldict.html#activnfn|title=The Machine Learning Dictionary}}</ref> Denne overføringsfunksjonen er tett opp mot funksjonen som finnes i enkelte former for biologisk nervevev, hvor en sier at nerven «fyrer» når potensialet kommer opp i et gitt nivå. Andre viktige funksjoner er en identitetsfunksjon, eller en slik med øvre og/eller nedre skranke. Slike funksjoner er så tilnærmet med en eller flere [[logaritme|logaritmiske funksjoner]] eller endog en [[hyperbolsk funksjon]]. Valget av den siste kommer av disses egenskaper i forbindelse med maskinlæring.